생물정보학

12 Contents

Post-AlphaFold 시대, 단백질을 보는 해상도를 바꾸다: Folddisco를 이용한 구조 모티프 검색

생물학의 오랜 패러다임인 '서열-구조-기능'의 관계는 2024년 노벨 화학상을 통해 그 중요성이 다시 한번 세계적으로 증명되었습니다. 알파폴드2와 같은 혁신적인 딥러닝 모델의 등장으로 단백질 구조 예측의 장벽이 극적으로 낮아졌고, 인류는 이제 2억 개가 넘는 방대한 단백질 구조 데이터를 자유롭게 활용할 수 있는 시대를 맞이했습니다. 하지만 이러한 데이터의 폭발적인 증가에도 불구하고, 기능이 명확히 밝혀지지 않은 미지의 단백질 구조가 여전히 절반 이상을 차지하고 있습니다. 따라서 구조 간의 유사성을 정밀하게 비교하여 기능을 유추하는 연구는 현대 생물학의 필수적인 과제가 되었습니다. 수억 개의 구조 데이터베이스에서 유사한 형태를 찾는 작업은 기술적으로 매우 복잡하고 정교한 연산이 필요합니다. 기존에 널리 쓰이던 구조 정렬 도구들은 정확도는 높았으나, 수억 개의 데이터를 검색하는 데 수년이 걸릴 정도로 속도가 느려 대규모 연구에 적용하기에는 현실적인 한계가 분명했습니다. 이를 보완하기 위해 개발된 Foldseek은 속도를 획기적으로 개선하며 구조 생물학계에 큰 반향을 일으켰습니다. 하지만 Foldseek은 서열 정렬 방식에 기반하고 있어, 단백질 내에서 불연속적으로 존재하는 활성 부위나 특정 구조 모티프를 정교하게 탐색하는 데는 여전히 개선의 여지가 남아 있었습니다. Folddisco는 이러한 한계를 극복하고 대규모 데이터베이스에서도 특정 구조 모티프를 빠르고 정확하게 검색할 수 있도록 설계된 도구입니다. 이 시스템의 핵심은 구조 모티프를 아미노산 쌍 간의 상호작용 정보로 분해한 뒤 이를 효율적으로 인덱싱하는 전략에 있습니다. 특히 기존의 방식에 측쇄의 배향 정보를 추가하여 구조적 정밀도를 높였으며, 불필요한 위치 정보를 제거함으로써 인덱스의 크기를 획기적으로 줄여 확장성을 확보했습니다. 또한 정보 검색 분야의 TF-IDF 개념을 도입하여, 흔하게 나타나는 일반 구조에는 낮은 점수를 주고 희귀한 기능적 모티프에는 높은 가중치를 부여하는 지능적인 스코어링 방식을 채택했습니다. Folddisco는 단순한 구조 검색을 넘어 실제 연구 현장에서 그 유용성을 입증하고 있습니다. 징크 핑거와 같은 전형적인 기능적 모티프부터 이황화 결합, 단백질 간 인터페이스, 그리고 리간드가 결합하는 포켓에 이르기까지 매우 다양한 형태의 구조적 특징을 민감하게 포착해냅니다. 이를 통해 기능이 전혀 알려지지 않았던 메타게놈 단백질에서 새로운 기능적 실마리를 찾아내거나, 단백질의 구조 변화에 따른 상태별 차이를 구분하여 검색하는 것도 가능해졌습니다. 이러한 범용성 덕분에 Folddisco는 인공적으로 설계된 단백질의 독창성을 검증하는 도구로도 활용되며 단백질 디자인 분야에서도 필수적인 기술로 자리 잡고 있습니다. 결국 단백질 연구의 최종적인 지향점은 정교한 구조 분석을 통해 생명 현상의 핵심인 기능을 완벽하게 이해하는 것입니다. Foldseek과 Foldmason, 그리고 Folddisco로 이어지는 구조 정보학 도구들의 연계는 미지의 단백질을 효율적으로 어노테이션할 수 있는 강력한 분석 체계를 제공합니다. 비록 구조와 기능 사이의 관계가 때로는 일관되지 않은 복잡성을 띠기도 하지만, 정교한 모티프 검색 기술은 그 거대한 비밀을 풀어나가는 결정적인 열쇠가 됩니다. Folddisco는 방대한 단백질 구조의 바다 속에서 유의미한 기능적 보물을 발굴해내며, 미래 생명과학의 새로운 발견을 가속화하는 핵심 엔진이 될 것입니다.

Post-AlphaFold 시대, 단백질을 보는 해상도를 바꾸다: Folddisco를 이용한 구조 모티프 검색
생물학연구정보센터학술웨비나
  • 생명과학
  • 융합

행성단위 마이크로바이옴 구조 및 Generalist에 의한 유전자 확산

지구상의 모든 미생물을 하나의 통합된 체계로 이해하려는 ‘전 지구적 마이크로바이옴’ 연구가 주목받고 있습니다. 미생물은 해양과 토양은 물론, 극한의 사막과 빙하, 그리고 우리 인간의 장과 피부에 이르기까지 지구 곳곳에 존재하며 탄소나 질소 순환 같은 전 지구적 생지화학적 순환에 기여합니다. 기존 연구들은 특정 환경이나 국가 단위에 국한되는 경우가 많았지만, 실제 자연계에서는 비가 내리고 강이 바다로 흐르듯 서로 다른 환경의 미생물들이 끊임없이 섞이고 상호작용하며 거대한 순환 고리를 형성하고 있습니다. 방대한 양의 전 지구적 데이터를 분석하기 위해 연구진은 전 세계 739개의 독립적인 연구에서 약 10만 개의 메타지놈 샘플을 수집했습니다. 하지만 공개 데이터의 메타데이터 품질이 낮아 서식지를 정확히 구분하는 데 어려움이 있었습니다. 이를 해결하기 위해 단일 세포 RNA 시퀀싱에서 사용하는 차원 축소와 클러스터링 기법을 마이크로바이옴 분석에 도입했습니다. 166만 개의 모델 테스트를 거쳐 가장 정교하게 서식지를 분류할 수 있는 최적의 모델을 구축했고, 이를 통해 마이크로바이옴 중심의 새로운 분류 체계를 마련했습니다. 분석 결과, 전 지구적 마이크로바이옴은 총 40개의 서식지 클러스터로 구분되었습니다. 이들은 크게 숙주 공생 미생물과 환경 마이크로바이옴이라는 두 갈래로 나뉘었으며, 환경 미생물은 다시 수중과 토양으로, 숙주 공생 미생물은 장내와 비장내 미생물로 분화되었습니다. 특히 흥미로운 점은 하수 처리 시설이나 도시 표면과 같이 인류 활동으로 만들어진 서식지들이 숙주 공생 미생물과 환경 미생물 사이의 중간 지대에 위치한다는 것입니다. 이는 인간의 활동이 서로 다른 두 생태계를 잇는 가교 역할을 하고 있음을 시사합니다. 서식지별 마이크로바이옴 조성을 결정하는 핵심 요인들도 밝혀졌습니다. 해양의 경우 지리적으로 멀리 떨어진 북극과 남극의 미생물 조성이 매우 유사하게 나타났는데, 이는 수온이 해양 미생물 군집 구조를 결정하는 가장 결정적인 변수임을 보여줍니다. 인간 장내 미생물의 경우 2세 미만의 영유아기에는 연령이 가장 중요한 구분 요소였으나, 성인이 된 이후에는 식습관이나 주거 형태 등 생활 양식에 따라 클러스터가 나뉘었습니다. 이는 미생물 생태계가 지리적 거리보다는 환경적 조건과 생태적 특성에 의해 더 강하게 규제됨을 입증하는 결과입니다. 미생물은 서식 범위에 따라 특정 환경에만 머무르는 ‘스페셜리스트’와 다양한 환경에 걸쳐 존재하는 ‘제너럴리스트’로 나뉩니다. 대부분의 미생물은 자신의 서식지에 특화된 스페셜리스트이지만, 소수의 제너럴리스트는 호기성 환경 적응력과 다양한 화학 물질 분해 능력을 바탕으로 여러 환경을 넘나듭니다. 스페셜리스트들이 고유 환경에서 항생 물질을 만드는 등 경쟁 우위를 점하려 노력하는 반면, 제너럴리스트는 특정 환경에서의 경쟁 대신 넓은 서식지 확산을 선택하는 생태학적 트레이드오프 전략을 취하고 있다는 사실이 확인되었습니다. 서식지 간의 유전자 이동은 주로 수평적 유전자 이동(HGT)을 통해 일어나는데, 이 과정에서 제너럴리스트의 역할이 매우 중요합니다. 비슷한 환경 간에는 스페셜리스트들 사이에서도 유전자 교환이 활발하지만, 해양과 인간 장내처럼 완전히 이질적인 환경 간의 연결은 오직 제너럴리스트에 의해서만 매개됩니다. 즉, 제너럴리스트 미생물이 서로 다른 서식지를 이동하며 유전자를 운반하는 거대한 유전자 풀의 메신저 역할을 수행하는 것입니다. 이러한 기전은 종의 공유만으로는 설명할 수 없었던 광범위한 유전자 확산의 비밀을 풀어주는 열쇠가 됩니다. 인류 활동으로 조성된 환경은 숙주 공생 미생물과 자연 환경 사이에서 유전자가 이동하는 통로가 됩니다. 특히 항생제 내성 유전자나 병원성 유전자가 이러한 경로를 통해 전파될 때 공중 보건에 큰 위협이 될 수 있습니다. 실제로 하수 처리 시설을 매개로 강력한 항생제 내성 유전자가 환경으로 확산되는 사례들이 포착되었습니다. 이번 연구는 전 지구적 마이크로바이옴의 구조를 규명했을 뿐만 아니라, 미생물의 이동 경로를 추적함으로써 향후 공중 보건 정책 수립에 기여할 수 있는 데이터 기반의 강력한 프레임워크를 제시했다는 점에서 큰 의미를 갖습니다.

행성단위 마이크로바이옴 구조 및 Generalist에 의한 유전자 확산
생물학연구정보센터학술웨비나
  • 생명과학
  • 지구환경과학
  • 융합

[인터뷰] 바이오인공지능연구센터 ABC #014 | 장혜식 서울대 생명과학부 교수

공학적 배경을 가진 연구자가 생명과학에 매료된 이유는 생명체를 하나의 정밀한 시스템으로 바라보는 시각 때문입니다. 기계의 숨겨진 기능을 탐구하며 사용 설명서를 탐독하던 호기심은 자연스럽게 우리 몸이라는 거대한 유기체의 작동 원리에 대한 탐구로 이어졌습니다. 특히 소프트웨어 개발 현장에서 쌓은 논리적 사고는 생물학적 데이터를 정보의 흐름으로 해석하는 데 결정적인 역할을 했습니다. 이는 단순한 암기 위주의 생물학을 넘어, 시스템의 설계도를 정밀하게 분석하는 공학적 접근을 가능하게 했습니다. 생물정보학은 생명체를 구성하는 DNA, RNA, 단백질과 같은 정보 물질들이 어떻게 디지털 정보를 전달하고 가공하는지 컴퓨터로 분석하는 학문입니다. 생명체의 수분을 제외한 질량의 대부분이 이러한 정보 물질로 이루어져 있다는 점은 생물학이 곧 방대한 데이터 분석의 장임을 시사합니다. 컴퓨터 전공자로서의 경험은 복잡한 절차를 정밀하게 설계하고, 방대한 데이터 속에서 남들이 놓치기 쉬운 구석진 정보를 찾아내어 새로운 인사이트를 도출하는 데 큰 강점으로 작용하며 연구의 지평을 넓혀줍니다. 유전 물질 하면 흔히 정적인 DNA를 떠올리지만, 실제 생명 현상을 역동적으로 조절하는 핵심은 RNA에 있습니다. RNA는 세포의 종류나 상태에 따라 정보를 짧거나 길게, 혹은 많거나 적게 조절하며 생명의 드라마를 실시간으로 써 내려갑니다. 특히 최근의 mRNA 백신 연구에서는 동일한 단백질을 만들면서도 더 안정적이고 효율적인 RNA 구조를 설계하는 '코돈 최적화'가 핵심 과제로 떠올랐습니다. 이는 수많은 조합 중 최적의 설계도를 찾아내는 과정으로, 생물학적 원리와 공학적 최적화 기법이 만나는 지점입니다. 인공지능 기술의 발전은 생물학 연구의 패러다임을 근본적으로 바꾸고 있습니다. 유전체 정보를 대량으로 학습한 파운데이션 모델은 전문가가 직관적으로 느끼던 복잡한 생물학적 맥락을 주관의 개입 없이 정교하게 분석해냅니다. 또한, 실험 로봇을 활용한 '피지컬 AI'는 그동안 연구의 병목 현상이었던 데이터 확보 문제를 해결하여 수십만 개의 데이터 포인트를 동시에 확보할 수 있는 환경을 제공합니다. 이러한 기술적 진보는 계산적 예측과 실험적 증명을 가속화하며 바이오 연구에 전례 없는 기회를 창출하고 있습니다. 급변하는 기술 시대에서 가장 중요한 것은 정해진 보상을 좇는 것이 아니라, 연구 과정 그 자체에서 진정한 재미를 찾는 태도입니다. AI가 인간의 많은 역할을 대신할 미래에는 자신이 무엇을 할 때 행복한지 이해하고, 그 즐거움을 사회적 가치로 연결하는 능력이 필수적입니다. 또한, 생물학적 지식과 데이터가 소수의 폐쇄적인 환경에 머물지 않고 오픈소스 소프트웨어처럼 개방된 플랫폼에서 공유될 때 과학은 더욱 빠르고 안전하게 발전할 수 있습니다. 이러한 개방형 환경은 다음 세대 연구자들에게 더 넓은 탐구의 장을 열어줄 것입니다.

[인터뷰] 바이오인공지능연구센터 ABC #014 | 장혜식 서울대 생명과학부 교수
카오스재단카오스크로스
  • 생명과학
  • 뇌인지과학
  • 융합

AI 기반 단백체 분석: 전이학습을 이용한 Nt-arginylation PTM 동정

단백질의 운명은 종종 그 N-말단에 노출된 잔기의 종류에 따라 결정되는데, 이를 ‘N-말단 법칙(N-end rule)’ 혹은 ‘N-데그론 경로’라고 부릅니다. 특히 아지닌이 N-말단에 부착되는 아지닐화는 진핵생물의 ATE1 효소에 의해 수행되며, 이는 단백질의 분해뿐만 아니라 세포 내 항상성 유지에 필수적인 역할을 수행합니다. 최근 연구에 따르면 아지닐화는 심혈관 질환이나 신경 퇴행성 질환과도 밀접한 관계가 있으며, 특히 세포 스트레스 상황에서 오토파지를 유도하거나 신호 물질로서 기능하며 생존에 필수적인 역할을 담당하고 있습니다. 하지만 아지닐화 단백질을 정밀하게 프로파일링하는 과정에는 많은 위양성 결과가 발생하는 기술적 한계가 존재했습니다. 질량 분석기를 이용한 분석 시, 단백질 절단 효소인 트립신에 의해 생성된 조각들이 실제 생물학적 아지닐화와 질량값이 매우 유사하여 데이터상에서 혼동을 일으키기 때문입니다. 이로 인해 기존의 검색 방식으로는 진짜 아지닐화 신호와 효소 절단에 의해 우연히 발생한 가짜 신호를 명확히 구분하기 어려웠으며, 이는 연구 결과의 신뢰도를 저해하고 후속 생물학적 기전 연구를 방해하는 주요한 걸림돌이 되어 왔습니다. 연구팀은 이러한 위양성 문제를 해결하기 위해 대규모 언어 모델 기반의 인공지능 기술과 ‘분자 프록시’라는 독창적인 전략을 도입했습니다. AI 모델을 학습시키기 위해서는 충분한 양의 정답 데이터가 필요하지만 실제 아지닐화 데이터는 그 양이 매우 적습니다. 이를 극복하기 위해 트립신 절단으로 생성된 아지닌 개시 펩타이드가 내생적 아지닐화와 화학적으로 동일하다는 특징을 활용했습니다. 이를 통해 약 2만 개의 학습 데이터를 확보할 수 있었고, 이는 기존 인공지능 모델을 아지닐화 분석에 가장 적합한 형태로 파인 튜닝하는 강력한 토대가 되었습니다. 전이 학습을 거친 AI 모델은 MS2 스펙트럼과 펩타이드의 리텐션 타임을 매우 정밀하게 예측해내는 성과를 거두었습니다. 특히 N-말단 수식화의 핵심 특징인 b-이온의 강도 분포를 정확하게 예측함으로써, 기존 모델으로는 판별이 불가능했던 미세한 질량 오차와 위양성 신호들을 효과적으로 필터링했습니다. 그 결과 전체 후보군 중에서 실제 아지닐화된 진짜 데이터만을 높은 신뢰도로 가려낼 수 있었으며, 이는 고가의 표준 물질 합성에 의존하지 않고도 데이터 분석 알고리즘만으로 단백질 수식화 연구의 정밀도를 획기적으로 끌어올린 혁신적인 사례입니다. 필터링을 통해 선별된 사이트들은 구조생물학적으로도 매우 유의미한 특징을 나타냈습니다. 알파폴드 분석 결과, 실제 아지닐화가 발생하는 부위는 대부분 단백질의 구조가 고정되지 않은 무질서 영역에 위치하고 있었으며, 이는 효소의 접근이 용이한 부위라는 생물학적 타당성을 뒷받침합니다. 또한 미토콘드리아 내 대사 효소나 특정 시그널 펩타이드 부위에서 아지닐화가 빈번하게 관찰되었는데, 이는 아지닐화가 단백질을 단순히 제거하는 신호를 넘어 특정 세포 소기관 내에서 단백질의 기능을 정밀하게 조절하는 중요한 제어 장치로 기능하고 있음을 시사합니다. 이 혁신적인 AI 예측 모델은 표준 물질 없이도 타겟 단백질을 정밀하게 분석할 수 있는 PRM 기술로 그 응용 범위를 넓혔습니다. 인공지능이 예측한 전하와 리텐션 타임 값을 활용하면 합성이 까다로운 수식화 펩타이드 표준물질을 제작하지 않고도 질량 분석기가 타겟 신호를 정확히 포착하도록 유도할 수 있습니다. 이를 통해 세포 스트레스 자극에 따른 아지닐화의 변화를 시간대별로 추적하는 멀티플렉싱 분석이 가능해졌으며, 캐스페이즈와 같은 절단 효소의 기질들이 실시간으로 어떻게 아지닐화되어 단백질 운명이 결정되는지를 성공적으로 규명해냈습니다. 이번 연구는 적은 양의 데이터만으로도 전이 학습 기반의 인공지능을 통해 고난도의 단백질 수식화를 규명할 수 있는 고효율 연구 방법론을 제시했습니다. 이러한 기술적 진보는 아지닐화뿐만 아니라 데이터 확보가 어려워 연구가 지체되었던 다양한 번역 후 수식화 연구 분야에 광범위하게 적용될 수 있는 범용성을 갖추고 있습니다. 앞으로 이 기술은 질병과 관련된 단백질의 미세한 변형을 조기에 발견하고, 복잡한 생명 현상을 분자 수준에서 더욱 명확하게 이해함으로써 새로운 치료 타겟을 발굴하는 데 중추적인 역할을 할 것으로 기대됩니다.

AI 기반 단백체 분석: 전이학습을 이용한 Nt-arginylation PTM 동정
생물학연구정보센터학술웨비나
  • 생명과학
  • 융합

의료기록 데이터를 활용한 질병 위험 예측모델 (LTPI)

현대 의학에서 전자 의료 기록(EHR)과 유전체 데이터의 결합은 질병 연구의 새로운 지평을 열고 있습니다. EHR은 단순한 진료 기록을 넘어 투약 이력, 혈액 검사 결과, 생체 지표, 임상 노트 등 방대한 표현형 정보를 담고 있습니다. 이러한 풍부한 데이터는 전장 유전체 연관 분석(GWAS)을 통해 수천 가지 질병과 유전적 변이 사이의 연관성을 밝히는 데 결정적인 역할을 합니다. 특히 다면발현 현상은 한 유전자가 여러 형질에 영향을 미치는 복잡한 메커니즘을 이해하는 핵심 열쇠가 됩니다. 하지만 인간의 복잡한 질병은 동일한 진단 아래에서도 환자마다 큰 이질성을 보입니다. 어떤 환자는 치료에 잘 반응하는 반면, 어떤 환자는 집중적인 관리가 필요하기도 합니다. 이러한 차이를 이해하기 위해 연구자들은 '책임 임계값 모델(Liability Threshold Model)'을 활용합니다. 이는 겉으로 드러나는 질병의 유무 뒤에 숨겨진 연속적인 유전적·환경적 소인을 상정하는 이론입니다. 잠재적인 질병 발생 가능성을 수치화함으로써, 단순히 환자와 대조군을 나누는 것보다 정밀한 위험 평가가 가능해집니다. 최근 발표된 LTPI(Liability Threshold Phenotype Integration) 연구는 이러한 책임 임계값 모델을 한 단계 더 발전시켰습니다. 기존에는 가족력 정보를 주로 활용하여 유전적 책임을 추정했다면, LTPI는 EHR에 담긴 다양한 비표적 형질 정보를 활용합니다. 목표로 하는 특정 질병뿐만 아니라 그와 연관된 다른 증상이나 검사 수치들을 종합적으로 고려하여 개인의 유전적 소인을 계산하는 방식입니다. 이를 통해 가족력 정보가 부족한 상황에서도 정교한 유전적 위험도 추정이 가능해졌습니다. 시뮬레이션을 통한 검증 결과, LTPI는 기존의 GWAS 분석이나 가족력 기반 모델에 비해 높은 통계적 검정력을 보여주었습니다. 특히 분석 대상인 목표 형질과 유전적으로 연관된 비표적 형질이 많을수록 분석의 정확도가 크게 향상되는 경향을 보였습니다. 또한, 실제 의료 현장에서 자주 발생하는 데이터 누락 문제에 대해서도 LTPI는 강점을 나타냈습니다. 무작위적인 데이터 결측뿐만 아니라 특정 조건에 따른 결측 상황에서도 기존 방식보다 안정적으로 유전적 연관성을 식별해낼 수 있음이 확인되었습니다. 실제 영국 바이오뱅크(UK Biobank) 데이터를 활용한 분석에서도 LTPI의 성능은 입증되었습니다. 수백 개의 이진 형질과 수십 개의 혈액 검사 수치를 통합하여 분석했을 때, 기존 방식보다 더 많은 유전적 신호를 포착할 수 있었습니다. 새롭게 발견된 유전자 변이들은 독립적인 다른 데이터 세트에서도 높은 부호 일관성을 보이며 재현성이 확인되었습니다. 이는 LTPI가 단순히 신호를 늘리는 것에 그치지 않고, 생물학적으로 신뢰할 수 있는 연관성을 안정적으로 찾아내고 있음을 의미합니다. 분석의 효율성 측면에서도 LTPI는 뛰어난 실용성을 갖추고 있습니다. 방대한 양의 영국 바이오뱅크 데이터를 분석하는 데에도 하루 이내의 시간이 소요될 만큼 계산 속도가 빠릅니다. 이는 복잡한 다중 형질 분석이 실제 대규모 코호트 연구에 즉각적으로 적용될 수 있음을 시사합니다. 다만, 유전적 상관관계 설정에 민감하게 반응한다는 점은 주의해야 합니다. 정확한 선행 연구 정보나 통계적 추정치를 기반으로 모델을 설정할 때 LTPI는 비표적 형질의 정보를 가장 효과적으로 흡수할 수 있습니다. 결론적으로 LTPI는 전자 의료 기록(EHR)의 풍부한 표현형 정보를 유전체 연구에 통합하는 강력한 도구입니다. 이 모델은 이분법적인 질병 진단을 넘어 연속적인 유전적 책임성으로의 패러다임 전환을 이끌어내고 있습니다. 향후 더 많은 비표적 형질과 정밀한 상관관계 데이터가 축적됨에 따라, LTPI는 개인 맞춤형 의학을 구현하는 데 핵심적인 역할을 할 것으로 기대됩니다. 데이터 기반의 정밀한 질병 위험 평가는 인류가 복잡한 질환의 메커니즘을 규명하고 새로운 치료 전략을 세우는 데 큰 보탬이 될 것입니다.

의료기록 데이터를 활용한 질병 위험 예측모델 (LTPI)
생물학연구정보센터학술웨비나
  • 생명과학
  • 뇌인지과학
  • 융합

기(氣)의 과학적 근원을 밝히다 | 한국한의학연구원 [ENG] Reveal the scientific origin of 'Qi'

전통 의학에서 약초는 기(氣)를 보하고 신체의 활력을 북돋는 중요한 역할을 해왔습니다. 특히 기 결핍 증후군을 개선하기 위해 사용되는 다양한 약초들의 메커니즘을 과학적으로 이해하려는 시도는 현대 의학에서도 매우 가치가 있습니다. 본 연구는 기를 보하는 약초들만이 가진 고유 화합물을 식별하고, 그것들이 분자 수준에서 어떻게 작용하는지 분석하는 데 초점을 맞추었습니다. 이는 모호하게 느껴질 수 있는 전통적인 기의 개념을 생물학적 언어로 번역하는 과정이라 할 수 있으며, 인체의 에너지 대사를 조절하는 약초의 효능을 입증하는 중요한 첫걸음이 됩니다. 연구진은 기를 활성화하는 데 탁월한 효능을 보이는 약초들로부터 13종의 고유 화합물을 선정하였습니다. 이러한 성분들은 다른 식물군에서는 흔히 발견되지 않는 특징을 지니고 있으며, 연구팀은 이를 수집하여 관련 유전자와 생물학적 경로를 정밀하게 분석했습니다. 그 결과, 이 화합물들은 주로 신경활성 수용체 및 리간드 상호작용에 깊이 관여하고 있다는 사실이 밝혀졌습니다. 특히 아미노산 대사가 미토콘드리아와 뉴런의 구성 요소와 밀접하게 연결되어 있다는 점은 기의 활력 증진 효과가 세포 수준의 에너지 생산과 직접적인 연관이 있음을 시사합니다. 추출된 13종의 고유 화합물은 주로 아미노산으로 구성되어 있으며, 인체에 필수적인 비타민 성분들도 포함되어 있습니다. 이러한 성분들은 우리 몸의 에너지 대사 과정에 직접 참여하며, 일부 탄수화물 및 식물 지질 화합물과 함께 신체의 에너지원으로 기능합니다. 흥미롭게도 이전 연구들에 따르면 아미노산과 비타민의 특정 조합은 신체의 면역 체계를 강화하고 근육량을 늘리는 등 다양한 생리적 효능을 향상시키는 것으로 나타났습니다. 이는 전통 의학에서 말하는 기의 보강이 실제로는 신체의 기초 대사와 면역력을 최적화하는 과정임을 뒷받침하는 과학적 근거가 됩니다. 연구 과정에서 가장 큰 도전 과제는 '기(氣)'라는 추상적인 개념을 정의할 수 있는 객관적인 과학적 방법론을 수립하는 것이었습니다. 1년여에 걸친 심도 있는 논의 끝에 연구진은 특정 약초들이 가진 고유한 효능 자체를 기 활성화의 핵심 지표로 정의하기로 결정했습니다. 이는 생물정보학적 분석을 통해 약초 그룹 내의 고유 화합물을 탐사한 최초의 시도로 기록되었습니다. 과학적 근거가 부족했던 전통 지식에 현대적인 분석 틀을 제공했다는 점에서 이 연구는 매우 중요한 학술적 이정표가 될 것입니다. 기존에는 약초의 복합적인 성분을 탐지하기 위한 표준화된 접근 방식이 부재했으나, 이번 연구를 통해 제안된 새로운 방법론은 전통 약학의 현대화 가능성을 열어주었습니다. 고유 화합물의 식별과 분자 메커니즘 분석은 단순히 개별 성분의 효능을 밝히는 것을 넘어, 전통 의학의 지혜를 현대 생명과학의 관점에서 재해석하는 교량 역할을 합니다. 앞으로 이러한 연구가 지속된다면 기 결핍 증상을 겪는 이들을 위한 맞춤형 치료법 개발은 물론, 천연물 기반의 새로운 건강 증진 물질을 발굴하는 데에도 큰 기여를 할 수 있을 것으로 기대됩니다.

기(氣)의 과학적 근원을 밝히다 | 한국한의학연구원 [ENG] Reveal the scientific origin of 'Qi'
한국한의학연구원다쿔멘터리 🎞
  • 화학
  • 생명과학
  • 융합

[강연] 생명의 나무, 분자 유전학 _ by 김상욱 ㅣ 2022 가을 카오스강연 '진화' 6강 | 6강

생명은 단순히 형태나 물질의 집합이 아니라 정보의 연속성으로 정의될 수 있습니다. 우리 몸을 구성하는 세포와 단백질은 불과 몇 개월이면 완전히 새로운 것으로 교체되지만, 부모로부터 물려받은 유전 정보는 변함없이 유지됩니다. 이는 마치 모든 부품이 교체된 배가 여전히 같은 정체성을 유지하는 '테세우스의 배' 역설과도 같습니다. 현대 생물학은 이러한 유전 정보를 분석하여 생명의 본질을 탐구하며, 우리가 누구인지에 대한 답을 DNA라는 정교한 설계도 속에서 찾아내고 있습니다. 찰스 다윈은 DNA의 존재를 몰랐음에도 불구하고 생명의 다양성을 '생명의 나무'라는 구조로 통찰해냈습니다. 현대 분자 유전학은 DNA 염기서열 분석을 통해 이 나무의 가지를 더욱 정밀하게 그려내고 있습니다. 서로 다른 종의 DNA 염기서열을 비교하여 그 차이를 계산하면, 어떤 생명체가 공통 조상에서 언제 갈라져 나왔는지 명확히 파악할 수 있습니다. 이러한 계통 분류는 생명체가 환경에 적응하며 어떻게 변화해 왔는지를 보여주는 거대한 역사의 기록이자 진화의 증거가 됩니다. 인류가 지금의 모습으로 진화한 과정에는 흥미로운 유전적 변화들이 숨어 있습니다. 예를 들어 인간이 털 없는 원숭이가 된 것은 아프리카의 더위 속에서 체온을 조절하고 기생충을 줄이는 데 유리했기 때문입니다. 또한 'FOXP2 유전자'와 같은 특정 유전자의 변이는 인간이 복잡한 언어를 사용하고 고도의 협력을 할 수 있는 토대를 마련해 주었습니다. 이러한 미세한 돌연변이들이 수만 년 동안 쌓여 인간을 다른 영장류와 구분 짓는 독특하고 아름다운 형질들을 만들어낸 것입니다. 극한 환경에 적응한 생명체들의 유전자는 현대 과학 기술의 핵심적인 영감이 됩니다. 남극의 물고기는 피가 얼지 않도록 돕는 부동액 단백질을 스스로 만들어내며, 뜨거운 온천에 사는 박테리아는 고열에도 변성되지 않는 효소를 가지고 있습니다. 우리가 흔히 사용하는 PCR 기술 역시 이러한 고온 내성 균주에서 추출한 효소 덕분에 가능해졌습니다. 자연이 수억 년에 걸쳐 설계한 정교한 생존 전략은 인류의 질병 치료와 신소재 개발에 있어 대체 불가능한 중요한 단서를 제공합니다. 진화의 관점에서 질병을 바라보면 예상치 못한 통찰을 얻을 수 있습니다. 아프리카에서 흔한 악성 빈혈인 겸상 적혈구 빈혈은 역설적으로 말라리아에 대한 저항력을 제공하여 해당 지역 인류의 생존에 도움을 주었습니다. 이는 특정 환경에서 질병이 생존을 위한 선택의 결과일 수 있음을 보여줍니다. 이처럼 병원균과 숙주 사이의 끊임없는 '군비 경쟁'과 공진화 과정을 이해하는 것은 현대 의학이 새로운 감염병과 유전병에 대응하는 전략을 세우는 데 필수적인 기초가 됩니다. 현대 의학은 모든 환자에게 동일한 처방을 내리는 과거의 방식에서 벗어나 개인의 유전적 특성에 맞춘 '정밀 의료'로 나아가고 있습니다. 사람마다 DNA 염기서열이 조금씩 다르기 때문에 같은 약물이라도 반응과 부작용이 다르게 나타납니다. 암세포 역시 끊임없이 돌연변이를 일으키며 약물에 저항성을 갖도록 진화하는 특성을 보입니다. 따라서 환자의 유전체 정보를 정밀하게 분석하여 최적의 치료법을 선택하는 것은 암과 같은 난치병을 극복하기 위한 분자 유전학의 가장 현실적이고 핵심적인 과제입니다. 인공지능과 데이터 과학의 발전은 신약 개발과 질병 치료의 패러다임을 근본적으로 바꾸고 있습니다. 수많은 환자의 유전체 데이터를 학습한 인공지능은 동물의 희생을 줄이면서도 효과적인 치료제를 설계하는 데 크게 기여합니다. 하지만 유전자 강화와 같은 기술적 진보는 반드시 윤리적 고민을 동반해야 합니다. 과학의 진정한 목적은 단순히 완벽한 인간을 만드는 것이 아니라, 생명의 다양성을 존중하며 조화롭게 공존하는 길을 찾는 데 있습니다. 진화에 대한 깊은 이해는 결국 인류의 미래를 향한 올바른 나침반이 될 것입니다.

[강연] 생명의 나무, 분자 유전학  _ by 김상욱 ㅣ 2022 가을 카오스강연 '진화' 6강

김상욱

카오스재단카오스강연
  • 생명과학

[인터뷰] 김상욱 _ 몸이 전부 기계로 바뀌어도 동일한 인간일까? | 2022 카오스강연 '진화'

현대 생명과학에서 생물정보학은 유전자와 의료 정보를 분석하여 질병의 원인을 찾고 최적의 치료법을 제시하는 핵심적인 역할을 수행합니다. 과거에는 생명체를 구성하는 물질이나 형태에 주목했지만, 이제는 데이터의 축적과 가공을 통해 생명 현상을 이해하는 시대로 접어들었습니다. 코로나19 바이러스의 변이를 추적하고 백신을 개발하는 과정에서 알 수 있듯이, 유전자 서열을 해독하는 능력은 인류의 생존과 직결된 중요한 과제가 되었습니다. 인간의 정체성을 결정짓는 요소는 단순히 특정 장기의 기능에 국한되지 않습니다. 개인이 살아오며 겪은 독특한 생활사와 경험들이 축적되어 고유한 자아를 형성하며, 이는 유전 정보 그 이상의 의미를 집약하고 있습니다. 따라서 물리적인 변화가 일어난다고 해도 그 사람의 본질이 그대로 유지된다고 보기는 어렵습니다. 이러한 관점은 유전 정보를 단순한 수치가 아닌 한 존재가 걸어온 역사로 인식하게 만듭니다. 면역 체계가 외부 항원을 기억하여 질병에 대응하는 원리는 생명과학의 놀라운 신비 중 하나입니다. 질병을 극복한 사람의 혈액에서 항체를 찾아 치료제로 활용하거나, 바이러스의 유전 정보를 학습시켜 백신을 만드는 기술은 이미 현대 의학의 핵심으로 자리 잡았습니다. 이러한 면역학적 원리를 응용하면 생명체가 정보를 습득하고 저장하는 방식을 새롭게 이해할 수 있으며, 이는 향후 인류의 학습 방식에도 혁신적인 변화를 가져올 가능성을 시사합니다. 진화의 증거는 멀리 있는 것이 아니라 우리 몸속의 유전자 서열 안에 고스란히 남아 있습니다. 종 사이의 미세한 유전적 차이가 생명의 다양성을 만들어내며, 발생 과정에서의 변화가 진화의 결정적인 단서를 제공하기도 합니다. 또한, 유전적 다양성을 존중하는 태도는 과학적 사실을 넘어 윤리적으로도 중요합니다. 인위적인 조작을 통해 완벽함을 추구하기보다는, 진화가 만들어낸 자연스러운 다양성의 가치를 이해하는 것이 생명과학의 본질입니다. 분자유전학은 보이지 않는 진화의 과정을 명확한 증거로 풀어내는 학문입니다. 유전자 서열 분석을 통해 특정 질병에 대한 취약성을 파악하고, 환경이나 문화가 인간의 변이에 어떤 영향을 미치는지 규명할 수 있습니다. 바이러스의 진화 경로를 예측하여 미래의 팬데믹에 대비하는 것처럼, 유전 정보의 차이를 분석하는 일은 생명의 역사를 이해하는 열쇠가 됩니다. 결국 진화란 유전 정보의 끊임없는 변화와 축적이며, 이를 통해 우리는 생명의 나무가 뻗어 나가는 원리를 깨닫게 됩니다.

[인터뷰] 김상욱 _ 몸이 전부 기계로 바뀌어도 동일한 인간일까? | 2022 카오스강연 '진화'

김상욱

카오스재단석학인터뷰
  • 생명과학

[강연] 식물학명 이야기 _ by장진성 ㅣ 2022 봄 카오스강연 '식물행성' 2강 | 2강

식물을 정의하는 기준은 시대와 관점에 따라 변화해 왔습니다. 아리스토텔레스는 운동성을 기준으로 생물을 구분했지만, 현대 과학은 광합성, 세포벽, 다세포성, 육상 거주 여부 등을 핵심 키워드로 삼습니다. 이러한 정의에 따라 식물의 기원은 35억 년 전 남세균의 등장부터 5억 년 전 이끼류의 상륙까지 수십억 년의 편차를 보입니다. 결국 식물을 어떻게 바라보느냐가 그 생명의 역사를 결정짓는 중요한 잣대가 되며, 우리가 흔히 아는 식물의 모습은 기나긴 진화의 산물입니다. 식물이 육상으로 진출한 사건은 지구 생태계의 거대한 전환점이었습니다. 물속에서 자유롭게 수분을 흡수하던 조상들과 달리, 육상 식물은 땅속의 물을 끌어올려 잎으로 보내는 정교한 관속 조직을 발달시켜야 했습니다. 이들은 광합성을 통해 대기 중에 충분한 산소를 공급함으로써 훗날 동물들이 육지에서 진화할 수 있는 환경적 토대를 마련했습니다. 관속식물의 등장은 단순한 생존을 넘어 지구의 대기 성분까지 바꾼 혁신이었으며, 육상 생태계 형성의 근간이 되었습니다. 한반도의 식물상은 지질학적 변화와 기후의 흐름 속에서 형성되었습니다. 신생대 제3기부터 현재와 유사한 식물들이 자리를 잡기 시작했으며, 빙하기를 거치며 대륙과 연결된 통로를 통해 다양한 종이 유입되었습니다. 그 결과 우리나라는 아무르강과 우수리강에서 내려온 북방계, 일본 및 중국 남부와 연결된 남방계, 그리고 중국 북부를 거친 계통이 공존하는 독특한 생물 다양성을 갖게 되었습니다. 이는 한반도가 식물들에게 중요한 지리적 교차로이자 다양한 생명의 피난처였음을 시사합니다. 수많은 식물에 체계적인 이름을 부여하려는 노력은 18세기 린네에 의해 집대성되었습니다. 그는 복잡하고 긴 서술형 이름 대신 속명과 종소명을 조합한 '이명법'을 제안하여 전 세계 학자들이 공통된 언어로 소통할 수 있는 기틀을 마련했습니다. 비록 라틴어라는 생소한 언어를 사용하지만, 이는 지역마다 다른 일반명으로 인한 혼란을 방지하고 식물 간의 친척 관계를 명확히 파악할 수 있게 해주는 과학적 약속입니다. 이러한 체계 덕분에 인류는 방대한 생물 정보를 질서 있게 정리할 수 있게 되었습니다. 학명을 정하는 과정에는 엄격한 국제 명명 규약이 존재합니다. 새로운 종으로 인정받으려면 라틴어나 영어로 된 기재문과 함께 기준 표본을 지정해야 하며, 학술지에 유효하게 발표되어야 합니다. 또한 가장 먼저 발표된 이름에 우선권을 주는 '선취권' 원칙에 따라 정명이 결정됩니다. 이러한 법적 통제는 분류학적 자유와 양립하며, 수백 년간 축적된 방대한 식물 정보를 체계적으로 관리하고 오류를 수정하는 핵심적인 장치가 됩니다. 이는 과학적 신뢰성을 유지하기 위한 필수적인 절차입니다. 21세기 생물 다양성 연구의 핵심은 방대한 데이터를 관리하는 정보학에 있습니다. 전 세계에 흩어진 수백만 개의 학명과 표본 정보를 통합하기 위해 '종 목록(Checklist)'을 작성하고 데이터베이스화하는 작업이 필수적입니다. 학명은 서로 다른 연구 자료를 연결하는 고리 역할을 하며, 이를 통해 멸종 위기종을 파악하고 생태계를 보존하는 전략을 세울 수 있습니다. 즉, 학명은 단순한 이름표를 넘어 생물 정보를 통제하고 활용하는 핵심 기술이며, 미래 생물 자원 관리의 기초가 됩니다. 하지만 현대 분류학은 전문가의 급격한 감소라는 위기에 직면해 있습니다. 식물의 이름을 바로잡고 계통을 연구하는 일은 인문학적 소양과 과학적 끈기가 동시에 요구되는 고된 작업이기 때문입니다. 최근에는 식물 영명에 포함된 특정 국가의 명칭을 두고 국수주의적 논란이 일기도 하지만, 중요한 것은 과학적 근거를 바탕으로 세계와 소통하는 진취적인 자세입니다. 분류학은 과거의 기록을 정리하는 동시에 미래의 생물 주권을 지키는 토대이며, 우리가 자연을 이해하는 가장 근본적인 방법입니다.

[강연] 식물학명 이야기 _ by장진성 ㅣ 2022 봄 카오스강연 '식물행성' 2강

장진성

카오스재단카오스강연
  • 생명과학

수학으로 들여다 보는 생물학 | 이승규교수(고려대학교) [연구현장속으로/토요과학강연]

수학자의 길은 아주 사소하고 순수한 호기심에서 시작되곤 합니다. 어린 시절부터 복잡한 계산을 즐기고, 주어진 문제에 대해 명확한 답을 찾아가는 과정에서 느끼는 즐거움이 학문적 열정의 뿌리가 됩니다. 이러한 개인적인 지적 욕구는 단순히 숫자를 다루는 능력을 넘어, 세상을 수식으로 이해하려는 응용수학의 기초가 됩니다. 부모님과 함께했던 간단한 연산 활동이 훗날 복잡한 자연 현상을 수리 모델링하는 거대한 연구의 시발점이 된 셈입니다. 응용수학은 생물, 물리, 화학, 심지어 금융에 이르기까지 겉보기에 서로 관련 없어 보이는 다양한 분야를 하나의 수식으로 연결합니다. 세포의 분열이나 장기의 움직임, 금융 상품의 가격 변동과 같은 현상들은 응용수학자의 관점에서 볼 때 유사한 수학적 구조를 공유하고 있습니다. 학자들은 이러한 현상들을 수식으로 정립하고, 이를 컴퓨터 시뮬레이션을 통해 구현하여 실제 현상을 모의실험합니다. 이는 추상적인 수학이 현실 세계의 문제를 해결하는 강력한 도구임을 보여줍니다. 생물학적 난제를 해결하기 위해 수학과 전산학이 결합하면서 수리생물학, 생물정보학, 전산생물학 등 다양한 세부 분야가 등장했습니다. 이들은 사용하는 도구와 관점에 따라 구별되기도 하지만, 현대에 들어서는 그 경계가 점차 모호해지고 있습니다. 수리생물학자는 수리 모델을 세우고, 생물정보학자는 정보 이론을 활용하며, 전산생물학자는 컴퓨터 계산에 집중합니다. 하지만 결국 이 모든 학문은 생명 현상을 정교하게 이해하려는 공통된 목적을 향해 서로의 이론을 활발히 공유합니다. 최근에는 상전이 방정식과 같은 정교한 수치 계산 방법이 과학계의 주목을 받고 있습니다. 상전이 방정식은 농도가 다른 두 물질이 섞여 있을 때 이들이 물리적, 화학적으로 어떻게 분리되는지를 설명하는 편미분 방정식입니다. 이러한 연구는 단순히 이론에 머물지 않고 영상 처리나 유동 현상 분석 등 실전적인 시뮬레이션 분야에 큰 도움을 줍니다. 방정식을 수치적으로 계산하고 효율적인 해결법을 찾아내는 과정은 현대 과학의 정밀도를 한 단계 높이는 중요한 연구 과제입니다. 해외에서는 이미 수학자의 절반 이상이 수리생물학 분야에서 활약할 정도로 이 학문의 중요성이 널리 인정받고 있습니다. 한국 또한 이러한 세계적인 흐름에 발맞춰 수리생물학 커뮤니티를 중심으로 학문적 정립과 전파에 힘쓰고 있습니다. 수학과 생물학의 융합은 진로를 고민하는 학생들에게 새로운 시야를 제공하며, 학문적 재미와 실용성을 동시에 충족시킬 수 있는 매력적인 분야입니다. 끊임없는 질문과 탐구를 통해 새로운 연구 분야를 개척하는 과정은 앞으로도 계속될 것입니다.

수학으로 들여다 보는 생물학 | 이승규교수(고려대학교) [연구현장속으로/토요과학강연]
서울시립과학관[과학강연] 21년 토요과학강연
  • 생명과학
  • 수학
  • 융합

[연구뭐하지] 마틴 스타이네거 교수_서울대학교 '생물정보학 및 기계학습연구실' | 생물학 데이터 연구와 소프트웨어 개발 모두 가능!

서울대학교 생명과학부의 생물정보학 및 기계학습 연구실은 폭발적으로 증가하는 생물학적 데이터를 효율적으로 분석하기 위한 알고리즘을 개발합니다. 마틴 스타이네거 교수님은 컨설팅 분야에서 과학의 길로 들어서며, 수십억 개의 서열을 정렬하고 라벨링하는 빅데이터 처리의 매력에 집중하게 되었습니다. 현재 연구실은 유전체와 바이러스 서열 데이터가 기하급수적으로 늘어나는 상황에서, 이를 감당할 수 있는 속도와 효율성을 갖춘 분석 도구를 만드는 데 주력하고 있습니다. 이는 현대 생명과학의 난제를 해결하는 핵심적인 토대가 됩니다. 연구실의 대표적인 성과물인 MMseqs2는 수십억 개의 서열을 처리할 수 있는 고성능 알고리즘으로, 대규모 데이터셋 분석의 표준으로 자리 잡았습니다. 또한 단백질 구조 예측 분야에서 혁신을 일으킨 ColabFold와 같은 분석 도구들을 통해 딥러닝 커뮤니티에 기여하고 있습니다. 이러한 분석 도구들은 고처리량 단백질 데이터베이스를 구축하고 분석하는 데 필수적이며, 연구자들이 복잡한 생물학적 정보를 보다 빠르고 정확하게 파악할 수 있도록 돕습니다. 기술적 변화에 발맞춘 이러한 소프트웨어 개발은 생물정보학의 지평을 넓히고 있습니다. 연구실의 학생들은 구체적으로 단백질 구조 정렬과 원자 정보 데이터의 효율적인 압축 방법을 연구하고 있습니다. 또한 바이러스 유전체 정보를 활용하여 인플루엔자나 코로나바이러스와 같은 특정 바이러스를 탐지할 수 있는 DNA 서열을 설계하거나, 기존 유전 정보를 바탕으로 새로운 유전자를 예측하는 프로젝트를 수행합니다. 이러한 연구는 단순히 데이터를 처리하는 것을 넘어, 실제 질병 진단과 생명 현상의 이해를 돕는 실질적인 분석 도구를 만드는 과정입니다. 데이터의 성장을 기술적 기회로 바꾸는 것이 이들의 핵심 목표입니다. 생명과학의 근간인 센트럴 도그마(Central Dogma), 즉 DNA에서 RNA를 거쳐 단백질로 이어지는 과정을 컴퓨터 알고리즘으로 구현하는 것은 매우 도전적인 과제입니다. 연구원들은 이 복잡한 생물학적 흐름을 어떻게 효율적으로 전산화할 수 있을지 고민하며, 기존 방식의 미흡한 점을 찾아 개선해 나갑니다. 생물정보학 분야는 여전히 탐험해야 할 영역이 많은 '블루오션'과 같으며, 정보 기술과 생명과학의 결합을 통해 새로운 발견의 가능성이 무궁무진합니다. 이는 연구자들에게 끊임없는 호기심과 탐구 동기를 부여하는 원동력이 됩니다. 이 연구실은 이론적인 사고를 즐기고 꼼꼼한 성격을 가진 학생들에게 최적의 환경을 제공합니다. 파이썬과 파이토치 같은 분석 도구를 활용해 생물학적 문제를 코딩으로 해결하며, 뛰어난 개발자이자 연구자인 교수님의 지도 아래 소프트웨어 개발 및 관리 능력을 키울 수 있습니다. 메타게놈 데이터를 분석하여 새로운 단백질 패밀리를 발견하고 인류의 건강에 기여하는 것은 이들의 궁극적인 지향점입니다. 복잡한 데이터를 분석하고 혁신적인 분석 도구를 만들고자 하는 열정이 있다면, 생물정보학의 미래를 함께 그려나갈 수 있을 것입니다.

[연구뭐하지] 마틴 스타이네거 교수_서울대학교 '생물정보학 및 기계학습연구실'  |  생물학 데이터 연구와 소프트웨어 개발 모두 가능!

마틴 스타이네거

카오스재단연구뭐하지
  • 생명과학

세포지도 어디까지 그릴 수 있을까?ㅣ빅데이터를품은 인간세포지도ㅣ이혜옥(가톨릭대학교)[토요과학강연#7-2부]

현대 생명과학은 세포 하나하나의 RNA 전사체를 분석하여 정교한 '세포 지도'를 그려내는 단계에 도달했습니다. 연구자들은 건강한 상태의 참조 지도뿐만 아니라 질병 상태의 세포 지도도 활발히 구축하고 있습니다. 예를 들어 인간의 심장이나 간, 뇌 세포를 분리하여 얻은 방대한 유전 정보는 세포 지도로 시각화됩니다. 이 과정에서 수많은 세포는 유사성에 따라 군집화되며, 이를 통해 우리 몸을 구성하는 세포들의 복잡한 유형과 특성을 명확히 규명할 수 있게 되었습니다. 세포 지도의 2차원 평면 위 점들은 실제 신체 내부의 위치가 아니라 세포 간의 전사체 패턴 유사도를 의미합니다. 최근에는 세포마다 고유한 세포 바코드를 부여하는 기술을 활용하여, 시퀀싱 데이터가 어느 세포에서 유래했는지 정확히 추적합니다. 더 나아가 위치 바코드 기술을 접목하면 특정 세포가 장기의 어느 부위에 위치했는지까지 데이터와 연결할 수 있습니다. 이러한 고도화된 정보는 세포의 기능과 공간적 분포를 동시에 이해하는 데 결정적인 단서를 제공합니다. 참조 지도의 가장 큰 가치는 질병 상태와의 비교 분석에 있습니다. 최근 코로나19 사망자의 폐 조직을 분석한 연구가 대표적인 사례입니다. 연구 결과, 바이러스는 주로 가스 교환을 담당하는 'AT2 세포'를 공격하여 파괴하는 것으로 나타났습니다. 특히 환자의 몸이 손상된 조직을 보수하는 과정에서 정상적인 경로가 아닌 비정상적인 세포 분화가 일어난다는 사실이 밝혀졌습니다. 이는 단순히 현상을 관찰하는 것을 넘어, 질병의 원인을 분자 수준에서 파악하고 치료제 개발의 기초를 마련해 줍니다. 암 연구 분야에서도 세포 지도는 혁신적인 도구로 쓰입니다. 폐암 조직과 주변의 정상 조직을 비교하면, 암세포 주위의 면역 세포가 활력을 잃고 지쳐 있는 상태임을 확인할 수 있습니다. 또한 데이터 과학을 활용해 면역 세포와 혈관 세포 사이의 상호작용을 추론함으로써 암세포에 에너지가 공급되는 경로를 파악하기도 합니다. 비록 이러한 기초 정보가 즉각적인 신약 개발로 이어지기까지는 많은 과정이 필요하지만, 우리가 미처 알지 못했던 단백질의 변화나 새로운 치료 표적을 찾는 거대한 문을 열어줍니다. 세포 연구에 데이터 과학이 접목되면서 생명과학은 이제 거대한 융합 학문으로 진화하고 있습니다. 정교한 시퀀싱 장비의 화학적 원리와 컴퓨터 소프트웨어의 분석 능력이 결합하여 이전에는 불가능했던 방대한 세포 정보를 다룰 수 있게 된 것입니다. 앞으로 데이터 과학의 비중은 더욱 커질 것이며, 이를 통해 생명체의 기본 단위인 세포에 대한 이해는 비약적으로 깊어질 전망입니다. 미래의 컴퓨터 생명 과학자와 의과학자들이 이끄는 이러한 변화는 인류의 질병 정복을 향한 새로운 이정표가 될 것입니다.

세포지도 어디까지 그릴 수 있을까?ㅣ빅데이터를품은 인간세포지도ㅣ이혜옥(가톨릭대학교)[토요과학강연#7-2부]
서울시립과학관[과학강연] 21년 토요과학강연
  • 생명과학
  • 융합